A Alibaba lançou o CosyVoice Studio, que posiciona como a primeira plataforma completa na China para aumentar a produtividade por meio da voz. Este produto integra a família de modelos Qwen-Audio da Alibaba em um único stack, abrangendo reconhecimento de fala, síntese de fala e interação de voz em tempo real.
Esta plataforma é baseada em uma família de modelos que conquistou o primeiro lugar no Índice de Conversão de Fala para Voz de Inteligência Artificial em 28 de julho, onde o modelo Qwen-Audio-3.0-Realtime obteve um resultado de 84,1%, liderando em raciocínio de voz, desempenho de agentes e dinâmica de diálogo.
O produto é dividido em três módulos funcionais. O CosyFlow representa o nível de produtividade pessoal: ele transforma a fala proferida às pressas em um resultado de trabalho estruturado, eliminando a etapa de limpeza exigida pelas ferramentas de voz tradicionais. O CosyCreative é o nível de conteúdo: ele aceita um roteiro ou URL e gera material de áudio pronto em qualquer voz. E o módulo CosyAgent é destinado ao setor corporativo: permite que as empresas integrem interfaces de voz em sistemas de atendimento ao cliente já existentes.
Essa divisão reflete três direções de comercialização da IA de voz fora dos chatbots.
O significado estratégico do lançamento está ligado ao crescimento internacional da demanda por produtividade baseada em voz. Por exemplo, o serviço de teclado de voz americano Wispr aumentou sua avaliação anual quase três vezes em seis meses, atingindo US$ 2 bilhões, e o número de usuários cresceu mais de cem vezes em termos anuais. O financiamento global de IA de voz ultrapassou US$ 7 bilhões apenas no primeiro trimestre de 2026. Paralelamente, o hardware está evoluindo: anéis de voz, óculos com IA e suspensões com IA buscam reduzir a barreira para a integração da vida cotidiana nos fluxos de trabalho de IA. No mercado americano, a implementação padrão de plataforma de voz completa foi a ElevenLabs. A Alibaba acredita que um análogo chinês não existe, e o CosyVoice Studio visa preencher esse nicho.
A Alibaba possui uma vantagem estrutural devido ao ciclo de treinamento de modelos. O CosyVoice Studio não é um produto criado do zero; é uma interface de usuário para uma família de modelos que foi submetida a intensa carga de tráfego de produção real em Qwen, DingTalk, Amap e Taobao desde 2023. O modelo Qwen-Audio foi treinado em um grande volume de dados com dialetos chineses ruidosos, e cada novo lançamento passa por um ciclo de feedback com os usuários. É por isso que esta plataforma pode ser lançada imediatamente, sem exigir um ano de projetos piloto para estabilizar o stack.
Um aspecto interessante é a estrutura do mercado. A voz se tornou a maneira menos trabalhosa de entrada de dados para agentes de IA, e a Alibaba posiciona o CosyVoice Studio como uma camada de roteamento para tráfego de voz na China. A plataforma também representa o exemplo mais puro da abordagem integrada da Alibaba: IA proprietária própria, plataforma de produção e produto para desenvolvedores entrando no mercado simultaneamente. A onda anterior de vencedores em IA de voz chinesa consistia em ferramentas de especialização estreita. A próxima onda, segundo a empresa, será representada por plataformas, e a Alibaba torna-se a primeira grande empresa de tecnologia chinesa a lançar tal plataforma.
A Alibaba anunciou o modelo principal Qwen3.8 com um total de 2,4 trilhões de parâmetros e 95 bilhões de parâmetros de ativação, bem como o agente de escritório Qianwen Office, projetado para fluxos de trabalho em inteligência artificial corporativa. A estratégia, baseada na combinação de um modelo fundamental e ferramentas de escritório, aproveita a vantagem do ecossistema DingTalk sobre concorrentes como Tencent WorkBuddy e ByteDance Doubao.
Em 3 de agosto, a Alibaba lançou a nova geração do modelo fundamental Qwen3.8. A versão principal Qwen3.8-Max possui 2,4 trilhões de parâmetros totais, 95 bilhões de parâmetros de ativação, uma janela de contexto de 1 milhão de tokens e capacidade de compreensão visual nativa. A arquitetura do modelo combina a estrutura esparsa Mixture-of-Experts com otimização de atenção mista, garantindo maior velocidade e eficiência de inferência.
No mesmo período, foi lançado o beta público do Qianwen Office, onde o Qwen3.8 atua como motor de inferência padrão. Isso fecha o ciclo de interação entre o modelo fundamental, o acesso via DingTalk e as tarefas de trabalho reais. O lançamento do Qwen3.8 marca a transição do foco da inteligência de bate-papo para a entrega inteligente.
O modelo demonstrou um avanço no desenvolvimento de software autônomo, operando sozinho por cerca de 16 dias em uma pasta vazia para criar um framework de agente auto-desenvolvível chamado oh-my-cli, que foi totalmente aberto no GitHub. Ao executar tarefas profissionais de escritório, o Qwen3.8 concluiu a anotação de cláusulas jurídicas em uma hora, o que levaria uma semana para uma equipe de advogados. Além disso, o modelo analisou mais de 160 horas de gravações de jogos de basquete contendo mais de 8400 episódios ofensivos e defensivos, e preparou perfis táticos de jogadores e relatórios para treinadores em apenas alguns minutos. A capacidade de lidar com contexto longo permite que o modelo leia PDFs financeiros de 200 páginas e processe mais de 100 horas de vídeo para uso posterior em fluxos de trabalho.
Em um ranking de terceiros, os modelos Qwen ocupam posições logo atrás do Anthropic Claude no geral e o quarto lugar no ranking mundial CodeArena de programação. A política de preços é agressiva: dentro do país, o custo é de 12 yuans por milhão de tokens de entrada e 36 yuans por milhão de tokens de saída, sendo que as correspondências internas no cache são avaliadas em 1,5 yuan. As tarifas internacionais são de 2 dólares americanos e 6 dólares americanos por milhão de tokens, respectivamente, o que corresponde a 40% e 24% do preço do Opus.
A estratégia da empresa baseia-se no princípio de precificação em troca de escala, fixando desenvolvedores e clientes corporativos no ecossistema Qianwen graças à alta eficiência econômica do modelo principal. O Qianwen Office é a primeira plataforma para implementar as capacidades do Qwen3.8. Embora o produto esteja intimamente ligado ao Qwen3.8, ele está aberto ao uso de qualquer modelo que seja mais adequado para uma tarefa específica, incluindo modelos não desenvolvidos pela Alibaba. Isso cria uma pressão interna na equipe Qwen, exigindo a manutenção da liderança em aplicações de escritório.
O Qianwen Office é o resultado de vários meses de integração interna e reorganização, durante os quais QoderWork, Wukong e MuleRun foram unificados sob a liderança do CEO do DingTalk, Chen Yusen. A Alibaba utiliza sua base existente de empresas DingTalk e Alibaba Cloud, em vez de competir diretamente com a Tencent em ferramentas de IA de consumo. O cenário competitivo agora inclui a integração de Feishu e Doubao no Doubao Enterprise por parte da ByteDance, a promoção do WorkBuddy pela Tencent e o posicionamento do Qianwen Office pela Alibaba. Para a Alibaba, a aposta é que, quando o modelo fundamental, o acesso ao DingTalk e os fluxos de trabalho corporativos forem integrados através do Qwen3.8 e Qianwen Office, será possível superar a última fase da transição da competição de parâmetros para a implementação direta no local de trabalho. O lançamento do Qwen3.8 por si só sinaliza uma mudança de paradigma na indústria — da demonstração de capacidades de conversação para a garantia de entrega intelectual de produção.
